多项式函数型回归神经网络模型及应用

• 作者: 周永权
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 回归神经网络 递归计算 近似因式分解 学习算法
• 年，卷（期）: 2003,（9）
• 所属期刊栏目: 短文
• 页码范围: 1196-1200
• 页数: 5页
• 分类号: TP18
• 字数: 4686字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2003.09.023

摘要

文中利用回归神经网络既有前馈通路又有反馈通路的特点,将网络隐层中神经元的激活函数设置为可调多项式函数序列,提出了多项式函数型回归神经网络新模型.它不但具有传统回归神经网络的特点,而且具有较强的函数逼近能力. 针对递归计算问题,提出了多项式函数型回归神经网络学习算法,并将该网络模型应用于多元多项式近似因式分解,其学习算法在多元多项式近似分解中体现了较强的优越性. 通过算例分析表明,该算法十分有效,收敛速度快,计算精度高,可适用于递归计算问题领域.该文所提出的多项式函数型回归神经网络模型及学习算法对于代数符号近似计算有重要的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周永权	西安电子科技大学电子工程学院	198	2214	25.0	38.0